Themen

Beschreibung: - Incident Response beschreibt alle Prozesse und Aufgaben, mit dem eine Organisation auf mögliche Sicherheitsvorfälle reagiert und bewältigt. Ziel ist es den Schaden zu begrenzen, die Ursache zu beseitigen und die Systeme wiederherzustellen. - KI-Agenten agieren autonom und verfolgen selbständig Ziele. Dabei zerlegen sie komplexe Workflows in Einzelschritte. - Umsetzung eines vorgegebenen Incident Response Prozesses mittels KI-Frameworks wie n8n (Lern)ziele: - Prototypischer Agent, welcher bestimmte Aufgaben des Prozesses eigenständig lösen kann - Evaluation mittels eines kleinen Use cases. Voraussetzungen: Interesse an Cybersecurity. Programmierkenntnisse sind hilfreich, aber nicht zwingend erforderlich.

Präsentation: https://mediathek2.uni-regensburg.de/playthis/6a422cd0861408.60675845 Beschreibung: Ein Convolutional Neural Network (CNN) ist ein Machine Learning-Verfahren in der Bildklassifikation, das sehr hohe Genauigkeit erreicht. Daher werden sie zunehmend in kritischen Bereichen wie beispielsweise der Diagnose von Lungenentzündungen verwendet (siehe Abbildung). Die Entscheidungen dieser komplexen Modelle sind allerdings nicht mehr vom menschlichen Anwender nachvollziehbar! Es ist also nicht klar, wie man das Bild ändern muss um eine andere Klassifikation herbeizuführen (Counterfactual). Es ist allerdings möglich ein CNN durch Rekonstruktion in die Darstellung einer stückweisen linearen Funktion zu überführen und so die exakten Entscheidungsgrenzen des Netzes funktional zu beschreiben! Wie kann man also diese neuen Informationen für die Erzeugung realistischer Counterfactuals nutzen? Aufgabenstellung: Konzeption eines CF-Ansatzes um realistische Gegenbeispiele zu erzeugen Praktische Umsetzung und Evaluation des Algorithmus in Python auf bestehender Code-Basis Startliteratur: Moreira, C., Chou, Y. L., Hsieh, C., Ouyang, C., Pereira, J., & Jorge, J. (2025). Benchmarking instance-centric counterfactual algorithms for XAI: from white box to black box. ACM Computing Surveys, 57(6), 1-37. Heinrich, B., Krapf, T., & Miethaner, P. (2024). Explore: a novel method for local explanations.

Dieses Seminar richtet sich an Studierende, die sich für Data Science, Softwareentwicklung und Künstliche Intelligenz interessieren. Es baut auf einem bestehenden Prototyp eines AI-Agents zur Unterstützung literaturbasierter Forschungsarbeiten auf. Im Mittelpunkt steht die Methode Design Science Research (DSR), bei den wissenschaftlichen Problemstellungen durch die Entwicklung, Demonstration und Evaluation eines Artefakts bearbeitet werden. Dabei sollen agentische Workflows mit LangChain bzw. LangGraph modelliert und umgesetzt, bestehende Agentenfunktionen erweitert sowie die Interaktion zwischen Nutzer, Frontend, Backend und Agenten verbessert werden. Ein besonderer Fokus liegt auf Human-in-the-loop-Schritten, bei denen Nutzer Zwischenergebnisse wie Suchbegriffe, Literaturauswahl, Forschungslücken oder Forschungsfragen prüfen und freigeben können. Bestandteile Weiterentwicklung der bestehenden Agenten- und Systemarchitektur mit LangChain bzw. LangGraph Ausbau des Prototyps als Research Assistant für Literaturrecherche und -analyse Integration bzw. Verbesserung von RAG, Vector Store und geeigneten Datenquellen Strukturierte Speicherung von Zwischenergebnissen und Nutzerentscheidungen Voraussetzungen Zwingend erforderlich sind grundlegende Programmierkenntnisse sowie Interesse an Softwareentwicklung, Data Science und Generativer KI. Kenntnisse in JavaScript beziehungsweise TypeScript, Node.js, React oder Express sind hilfreich, da der bestehende Prototyp auf einem Web-Stack basiert. Kenntnisse in RAG, Embeddings, Vektordatenbanken, PostgreSQL, pgvector, LangChain, LangGraph oder der Arbeit mit Large Language Models sind hilfreich, aber nicht zwingend erforderlich.

Dieses Seminar richtet sich an Studierende, die sich für Softwareentwicklung, Data Science und Künstliche Intelligenz im Kontext personalisierter Assistenzsysteme interessieren. Es baut auf einem bestehenden Prototyp eines personalisierten Ernährungsassistenten auf, der Nutzerprofile, Allergien, No-Gos, Ernährungsregeln, Rezeptbewertungen und Chat-Eingaben bereits zur Generierung individueller Rezeptvorschläge verwendet. Ziel des Seminars ist es, diesen Ernährungsassistenten technisch und konzeptionell weiterzuentwickeln und stärker auf Personalisierung, Nachvollziehbarkeit, Multi-User-Fähigkeit und praktische Nutzbarkeit auszurichten. Im Mittelpunkt steht der konsequente Einsatz von Retrieval-Augmented Generation, um relevante Nutzerinformationen, Rezeptverläufe, Bewertungen und Ernährungskontexte gezielt in die Antwort- und Rezeptgenerierung einzubinden. Bestandteile Konsequenter Einsatz von Retrieval-Augmented Generation für Profil-, Rezept- und Kontextdaten Aufbau eines vektorbasierten Langzeitgedächtnisses für Rezeptwünsche, Zutatenpräferenzen und Nutzerinteraktionen Umsetzung einer Multi-User-Architektur mit sauberer Trennung nutzerbezogener Daten Integration eines Vector Stores, beispielsweise mit PostgreSQL/pgvector oder einer spezialisierten Vektordatenbank Praktische Evaluation anhand mehrerer Testnutzerprofile und Vergleich von Rezeptvorschlägen mit und ohne RAG Voraussetzungen Zwingend erforderlich sind Programmierkenntnisse in Python sowie Interesse an Data Science, Softwareentwicklung und Generativer KI. Kenntnisse in LangChain, LangGraph, Webentwicklung, RAG oder der Arbeit mit Large Language Models sind hilfreich, aber nicht zwingend erforderlich.

Viele Online-Dienste finanzieren sich über digitale Werbung. Das Web und das zugrunde liegende HTTP-Protokoll wurden jedoch nicht für gezieltes Nutzer-Tracking oder personalisierte Werbung entwickelt. Um Nutzer wiederzuerkennen oder bestimmte Interaktionen zu messen, setzen Akteure im Werbeökosystem unter anderem HTTP-Redirects ein. Ein typisches Beispiel: Klickt ein Nutzer auf eine Online-Werbung, wird er zunächst zu einem Werbevermittler (Ad-Broker) umgeleitet, um das Event für Preismodelle wie „Cost-per-Click“ zu loggen. Erst danach wird er zur eigentlichen Zielseite des Werbetreibenden weitergeleitet. Eine weitere Anwendung wäre die Re-Identifizierung durch "Bounce-Tracking", die in der Post-Third-Party-Cookie-Ära an Bedeutung gewinnen könnte. Ziel dieses Seminars ist es, die Rolle von HTTP-Redirects im Online-Werbemarkt systematisch zu untersuchen. Es soll erarbeitet werden, in welchen Zusammenhängen und zu welchen Zwecken Redirects eingesetzt werden und in welchem Umfang diese im heutigen Web auftreten. Hierzu wird ein Datensatz mithilfe des Tools OpenWPM erstellt. OpenWPM ermöglicht es, automatisiert zahlreiche Webseiten zu besuchen und den dabei entstehenden HTTP-Traffic aufzuzeichnen. Die aufgezeichneten Daten sollen anschließend gezielt auf HTTP-Redirects hin analysiert werden. Mögliche Forschungsfragen: 1. Welche Akteure nutzen HTTP-Redirects im Online-Werbemarkt und zu welchen Zwecken? 2. Wie lang sind typische HTTP-Redirect-Ketten? 3. Welche Informationen und Tracking-Daten werden bei den Redirects üblicherweise übertragen? Startliteratur: Referrer Policy: Implementation and Circumvention. L. M. Zagi, Z. Moti, G. Acar. In Proceedings on Privacy Enhancing Technologies, 2025(3), 21 pages, 2025. Bei Interesse oder Fragen könnt ihr euch gerne melden unter maximilian.wittig@ur.de.

This practical workshop focuses on transforming raw urban datasets into analysis-ready datasets for urban analytics. Students will explore publicly available smart-city platforms and open datasets, collect and integrate pedestrian, traffic, weather, environmental, and geographic information, and enrich urban observations with contextual data. Inspired by Jane Jacobs' concept of eyes on the street and social presence, the workshop examines how urban characteristics can be translated into measurable computational indicators that support the analysis of urban activity, observability, and safety. The workshop emphasizes data acquisition, contextual enrichment, feature engineering, and the construction of reproducible datasets for future AI-enabled smart-city applications. Rather than performing anomaly detection, the outcome of the workshop is an enriched dataset that can later be used for tasks such as urban safety assessment, Urban Black Hole detection, and machine-learning applications. Expected Outcomes • Curated and context-enriched urban datasets. • Documentation and metadata for reproducibility. • Integrated datasets combining multiple urban data sources. • Derived computational indicators for urban analytics. • Reproducible code, visualizations, and benchmark datasets for future AI applications.

Third-Party Cookies bildeten lange eine zentrale Grundlage für nutzerbasiertes Targeting und den Identitätsabgleich im programmatischen Werbeökosystem. Gleichzeitig werden sie von Browsern zunehmend blockiert oder eingeschränkt, etwa durch Safari ITP (seit 2017), Firefox ETP (seit 2019), eingeschränkte Unterstützung in Google Chrome (geplant ab 2024*). Vor diesem Hintergrund stellt sich die grundlegende Frage, wie relevant Third-Party Cookies im Werbemarkt tatsächlich noch sind. Dieses Praxisseminar untersucht anhand eines Datensatzes mit wiederholten Besuchen derselben Webseiten unter zwei Bedingungen — mit und ohne Third-Party Cookies — die ökonomische Relevanz von Third-Party Cookies im Header Bidding. Im Zentrum steht die Frage, ob und in welchem Ausmaß die Verfügbarkeit von Third-Party Cookies Auktionspreise, Bietverhalten und Marktstruktur beeinflusst. Damit wird empirisch geprüft, ob Third-Party Cookies im programmatischen Werbemarkt einen substantiellen ökonomischen Wert besitzen oder ob ihre praktische Bedeutung überschätzt wird. Forschungsfragen: 1. Wie stark beeinflusst die Verfügbarkeit von Third-Party Cookies den erzielten Preis bzw. CPM unter Kontrolle von Webseiten-, Bieter- und Inventarcharakteristika? 2. In welchem Ausmaß verändern sich Bid Density, Bieterzusammensetzung und Auktionsdynamik zwischen Besuchen mit und ohne Third-Party Cookies? 3. Wie relevant sind Third-Party Cookies im Vergleich zu anderen Einflussfaktoren wie First-Party Domain, Bieter, Adformat und Slot-Merkmalen für die Preisbildung? 4. Verändert sich die Marktstruktur der Auktionen, etwa gemessen an Konzentrationsmaßen oder der Dominanz einzelner Bieter, zwischen beiden Bedingungen? 5. Welche Effekte ergeben sich auf technische Kennzahlen wie Auktionslatenz und Effizienz des Cookie-Matchings? Datenbasis und Methode: Der Datensatz umfasst Gebotsdaten auf Auktionsebene sowie Metadaten zu Ad Slots und Webseiten. Die Analyse kombiniert deskriptive Auswertungen mit regressionsbasierten Verfahren in einem Within-Subject-Design. Durch Fixed Effects und geeignete Kontrollvariablen werden stabile Webseiten- und Bieterunterschiede berücksichtigt, sodass die ökonomische Relevanz von Third-Party Cookies im Vergleich zu anderen Einflussfaktoren empirisch isoliert werden kann. Startliteratur:Zeng, E., McAmis, R., Kohno, T., & Roesner, F. (2022). What factors affect targeting and bids in online advertising? a field measurement study. Proceedings of the 22nd ACM Internet Measurement Conference, 210–229. https://doi.org/10.1145/3517745.3561460 * Third-Party Cookies werden in Chrome wohl doch nur im Inkognito-Modus deaktiviert (Quelle: https://privacysandbox.com/news/).

This work investigates how urban activity patterns can be learned from context-enriched datasets and how significant deviations from expected behaviour can be identified and interpreted. Students will analyse pedestrian-frequency data together with contextual indicators, such as weather, visibility, activity density, safety, and sensing coverage, to learn normal activity baselines for different urban locations. The workshop explores statistical and AI-based methods for detecting anomalies and examines how contextual information can help distinguish genuine inactivity from sensing gaps, unusual events, or changes in urban dynamics, supporting the identification of Urban Black Holes. Expected Outcomes • Characterization of normal urban activity patterns for different locations. • Baseline models of expected pedestrian activity. • Detection and visualization of anomalous urban activity. • Interpretation of anomalies using contextual indicators (e.g., weather, visibility, safety, and sensing coverage). • Identification of potential Urban Black Holes and explanation of their underlying causes. • Reproducible code, visualizations, and analytical reports.

Instant-Messaging-Systeme erzeugen eine Vielzahl an Metadaten, etwa darüber, wer wann mit wem kommuniziert. Selbst wenn diese Daten anonymisiert werden, können Angreifer oft durch geschickte Analyse Rückschlüsse auf Kommunikationspartner ziehen. Eine bekannte Angriffsmethode in diesem Kontext sind sogenannte Statistical Disclosure Attacks (SDA), bei denen langfristige Beobachtungen genutzt werden, um Kommunikationsbeziehungen statistisch zu rekonstruieren. In diesem Seminar sollen solche Angriffe auf anonymisierte IM-Daten simuliert und analysiert werden. Ausgangspunkt ist ein einfaches anonymisiertes Datenset, auf dem grundlegende SDA-Varianten implementiert und evaluiert werden. Darauf aufbauend können die Angriffe erweitert oder angepasst werden, um realistischere Kommunikationsszenarien abzubilden. Optional können auch Verteidigungsmechanismen untersucht werden, wie etwa das Einfügen von Dummy-Nachrichten oder gezielte Verzögerungen, und deren Einfluss auf die Effektivität der Angriffe analysiert werden. Ziel ist es, ein besseres Verständnis dafür zu entwickeln, unter welchen Bedingungen Anonymisierung in Messaging-Systemen bricht und welche Gegenmaßnahmen in der Praxis sinnvoll sind.

MAIN IDEA & RESEARCH QUESTIONS Economic games like the Ultimatum Game, Public Goods Game, and Dictator Game are vital tools in behavioral and experimental economics. This project seminar focuses on developing a platform for running these standard economic games, utilizing oTree, a Python-based framework for online experiments. The goal is to create flexible, user-friendly interfaces for both participants and researchers, allowing seamless game execution, real-time data collection, and integration of advanced features like dynamic feedback, surveys or interactive nudging elements. Possible research questions may include but are not limited to: How can we design user-friendly interfaces for economic games that ensure ease of use for participants across diverse demographics? What are the best practices for implementing real-time feedback and data visualization within economic game platforms? What are the technical challenges of implementing dynamic, multi-player economic games in real-time using oTree? Prerequisites for the project seminar include knowledge of oTree development and necessary familiarity with Python programming languages, as well as a basic understanding of behavioral or experimental economics. LITERATURE Thielmann, I., Böhm, R., Ott, M., & Hilbig, B. E. (2021). Economic games: An introduction and guide for research. Collabra: Psychology, 7(1), 19004. Chen, D. L., Schonger, M., & Wickens, C. (2016). oTree—An Open-Source Platform for Laboratory, Online, and Field Experiments. Journal of Behavioral and Experimental Finance, 9, 88-97. https://doi.org/10.1016/j.jbef.2015.12.001 Thaler, R. H., & Sunstein, C. R. (2009). Nudge: Improving decisions about health, wealth, and happiness. Penguin.

Traditional business process simulation often struggles to reflect the reality of decentralized resources acting autonomously. Recent research therefore proposes agent-based simulations (e.g., AgentSimulator). An agent-based simulation prototype (e.g., in Python using established simulation libraries) will be implemented or an existing framework extended. The goal is to model a multi-agent scenario and synthesize multimodal event logs from the simulation.

AI Agents sind funktionsgebundene und autonome KI Programme, die gezielt eine Aufgabe erledigen. Gleichzeitig bieten graph-basierte Plattformen eine Möglichkeit um Verbindungen zwischen Angreifern und Verteidigungstechniken besser zu analysieren. Eine Einbindung dieser Agents in die Graph Plattform, ermöglich es dem Analysten schneller und effizienter Analysen durchzuführen und Entscheidungen zu treffen.

DevCheck ist eine bereits existierende Code Assessment Plattform, bei welcher Teilnehmende Ihre Lösungen zu Java Coding Aufgaben abgeben können. Das System prüft diese Abgabe automatisiert in einem Docker Container und gibt dem Teilnehmenden eine Rückmeldung über die Richtigkeit der Abgabe. Dabei nutzt DevCheck Docker und JavaScript mit React. Moodle ist eine Lernplattform und Kursmanagementsystem. Beispielsweise nutzt die UR Moodle für die E-Learning-Plattform. Diese Plattform kann mit Hilfe von Plugins im Funktionsumfang erweitert werden. Im Rahmen dieses Seminars soll ein Plugin entwickelt werden, welches DevCheck in Moodle integriert, sodass unter anderem Teilnehmer Lösungen zu Coding Aufgaben direkt in Moodle abgeben können und die Richtigkeit davon sehen können. Interesse oder erste Kenntnisse im Bereich Authentifizierung, JavaScript, PHP und Docker sind von Vorteil.

Goal Develop an interaction layer between MuJoCo robot simulation and an external Workflow Management System (WfMS) or Enterprise Resource Planning (ERP) System, so that the robots can be controlled from outside the simulation. For example, task dispatch from the WfMS/ERP, status/completion feedback from the robot. Approach • Choose and set up the corresponding WfMS/ERP system (open source) and a standalone MuJoCo simulation environment. • Design and implement a communication interface to connect MuJoCo with WfMS/ ERP, to trigger robot actions in simulation. • Implement feedback from the simulation back to WfMS/ERP, creating a closed-loop system. • Demonstrate the integration on a representative use case. For example, a simple production/process workflow triggering pick and place actions. • Evaluate parameters such as latency, reliability and reusability of the interface for broader robot scenarios. Background Robot simulations are typically controlled locally/manually; linking MuJoCo to a WfMS/ERP would demonstrate how simulated robots can be orchestrated as part of a broader production/process workflow.

The semiconductor industry faces several challenges such as knowledge-intensive manufacturing and supply chains which complicates planning within the industry. To overcome these challenges and create efficient, sustainable, and resilient semiconductor supply chains, it is vital to facilitate seamless information exchange within supply chains. Support and execution of Cyber Security assessments taking into account authentication controls, security concepts, cryptography, vulnerabilities, hardening and application security. Exchange with business stakeholders on business value of the assessed application and implementation of cyber related changes. This seminar can be combined with an internship at Infineon.

Ziel der Arbeit ist es ein Security Testing Framework für Kollaborative Roboter zu entwickeln und eigene Tests durchzuführen. Aktueller Stand der Forschung ist eher übersichtlich und zeigt erste Möglichkeiten auf. Es gibt jedoch bereits eine Fülle von Werkzeugen, die z.B. Penetration Testing unterstützen. Jedoch gibt es in dem Bereich wenig Erfahrung im Bereich der Kollaborativen Roboter. Im Rahmen der Arbeit soll der aktuelle Stand der Technik evaluiert, ein Rahmenwerk für Security Testing von Kollaborativen Robotern erarbeitet (Welche Angriffsvektoren gibt es? Welche Technologien? Etc.) Mindestens zwei Anwendungsfälle mit offline Simulatoren werden erarbeitet und durchgeführt. Diese sollen die Herausforderungen des aktuellen Stands hervorheben und mögliche Lösungsansätze beschreiben. Referenz: Hollerer, S., Fischer, C., Brenner, B., Papa, M., Schlund, S., Kastner, W., ... & Zseby, T. (2021). Cobot attack: a security assessment exemplified by a specific collaborative robot. Procedia Manufacturing, 54, 191-196.

Goal Develop a real-time perception pipeline for a UR5e workspace equipped with 2 RGB-D cameras placed at fixed isometric viewpoints (opposite sides) to stream into a continuously updated 3D scene representation either via point cloud or 3D reconstruction. The research can find its application in multiple tasks for human-robot collaboration. Approach • A PyBullet simulation will be provided for development and tests before access to actual robot. • Implement point cloud generation from each camera and fuse them into a unified scene representation that is refreshed at every frame. • Evaluate and optimize computational performance. • Validate the resulting framework with different use cases such as object detection or pose estimation or dynamic obstacle/human tracking. Background Cameras suffer from occlusion and limited field of view during manipulation. Therefore, a dual camera setup can increase confidence in detection and offer more complete, continuous scene coverage. References Cai, Z., Yu, C., & Pham, Q. C. (2018). 3D convolution on RGB-D point clouds for accurate model-free object pose estimation.